慧聰安防網訊 布朗大學的MichaelBlack經過十年的摸索后創立了BodyLabs，而BodyLabs致力于開發一種技術能夠將人體用更精確的方式數據化。

BodyLabs與這些技術的區別之處是更精準，并通過人工智能的技術來實現自我學習，可以收集、數據化和整理關于人體外形、姿態和運動時的動態數據。

人體的數據與人工智能有關，通過人工智能的算法來在數據平臺上建模呈現出來，這很讓人感到好奇。更精確的數據意味著什么呢？更精準意味著通過3D打印技術制作服裝，比方說視頻中的舞動舞子，甚至是用來支持3D打印人體假肢或其他醫療器械。

BodyLabs最新的產品叫做“紅”API，這是一項將3D掃描硬件與人工智能結合在一起的技術，可以應用到多個商業領域，包括定制化服裝、藥物、游戲與動畫以及研究與開發。聽起來有些黑科技的感覺，要了解BodyLabs的技術還需要從了解其創立緣由開始。

Bodylabs的創立實屬機緣巧合，當時MichaelBlack還是布朗大學的一名計算機視覺課程教授，當地的執法人員跟他聯系，看看他是否能找到一種解決辦法，通過計算機來識別誰是涉嫌搶劫一家便利店的罪犯。

根據安全攝像機鏡頭所拍攝到的犯罪嫌疑人，執法人員希望能還原出嫌疑人正常姿態下的身高、身材和形狀。為了實現這個目標，MichaelBlack通過機器學習算法來研究成千上萬的3D掃描的真實生活的人在各種姿勢下的人體形狀，并創建了統計模型，這項研究持續了十年，才誕生了Bodylabs。

現在，通過一個高端的激光三維掃描儀，一個消費級的深度傳感器，甚至一個卷尺，我們就可以依靠BodyLabs的軟件來生成個人的3D模型。

    “藍”

在BodyLabs新公布的”紅”應用程序接口之前，他們的產品是“藍”API接口，這是個入門級的人體模型服務，基本上允許沒有3D掃描儀的情況下就可以產生一個近似的3D模型。它的工作方式是相當有趣的，在“藍”API接口下，用戶可以輸入六個具體的人體測量數據（身高、體重、腰、腿、胸部和臀部），BodyLabs就會自動計算和填補了所有丟失的數據，并生成一個近似的身體形狀。

在3D打印應用中，BodyLabs這個應用軟件的一個主要用戶是著名的NervousSystem，正如視頻中顯示的，NervousSystem通過該軟件平臺設計了一件全3D打印的衣服，現在在現代藝術博物館展出。通過BodyLabs的在線平臺，NervousSystem允許任何人在線訂購一件定制的、3D打印的服裝，這一切僅僅需要輸入簡單的人體數據。

    “紅”

“紅”API的功能比“藍”更高端，原始數據的獲取是通過三維掃描來實現的（系統也允許4D數據，也就是在時間或其他維度上記錄的三維掃描人體數據）。而對于不完美的掃描結果，BodyLabs的軟件可以清理和修復三維網格。

BodyLabs的軟件依賴于初始網格模板和人工智能的知識，通過自動修復的算法，更準確地反映人體的三維數據。這使得在修復三維網格方面，BodyLabs與市場上的方式極大的區別開來。市場上的普遍做法只是將缺失的部位通過點陣的方式連接起來，而BodyLabs的網格變形是基于人工智能數據庫的，通過機器的學習方式，人工智能可以更精確的按照人體組成的規律來修復三維網格。

有趣的是，3D打印設備廠商也對BodyLabs的數據建模產生了濃厚的興趣，Formlabs公司就在一場時尚秀場上使用了BodyLabs的技術。除了設備廠商，BodyLabs的客戶還包括美國軍隊，美國軍隊通過BodyLabs的技術可以為其軍隊定制更合適的服裝，包括女性軍人可以獲得更貼身的服裝。而時裝行業的Armour也與BodyLabs結成合作伙伴，通過定制化服裝來差異化Armour的品牌服務。

雖然，目前BodyLabs的業務都是圍繞這服裝這個應用領域，然而，3D科學谷了解到BodyLabs希望他們的應用遠不止于此，包括定制化的假肢以及鞋墊都是BodyLabs具有前景的領域。

BodyLabs的投資方來自因特爾，而正是與因特爾的這種關系，BodyLabs還為因特爾的RealSense開發了應用。而隨著配谷歌深度感知3D攝像頭的聯想Phab2Pro的即將上市，BodyLabs的技術將很方便的擴大到移動端。

正如凱文.凱利在新經濟新規律一書中所指出的，由無數小東西所連接而成的網絡能產生巨大的力量，當小東西變多了的時候，它們的價值就發生了很大的變化。3D科學谷總結BodyLabs商業模式的價值就在于連接人體與設備以及應用端，而當越來越多的人通過類似于RealSense或者是手機端的3D掃描攝像頭在BodyLabs平臺上建立自己的身體數據，BodyLabs的價值因數據而提升，因連接而空間無限。

更多原創設計盡在高品聚